神经网络鲁棒控制及其在燃气轮机排气温度控制中的仿真应用

设计了一种基于BP算法的神经网络鲁棒控制器。利用多层神经网络对任意函数的逼近能力和自学习功能，对运行中的PID调节系数进行在线调整，使整个系统具有良好的自适应能力和鲁棒性。燃气轮机排气温度调节仿真实验表明，这种控制器能够有效地克服传统PID调节器对经验或系统数学模型准确程度的依赖性。     

基于改进共轭梯度优化BP神经网络的风电机组变桨距控制

根据共轭梯度算法和传统BP神经网络的变桨距控制器的原理,针对兆瓦级风电机组变桨距控制设计了一种改进共轭梯度优化BP神经网络的变桨距PID参数自整定控制器,此控制器采用改进共轭梯度法修正BP神经网络的权值和阈值,实现BP神经网络变桨距PID控制器的在线整定。在Matlab/Simulink中仿真,仿真结果表明,采用此变桨距控制器可以在额定风速之上快速响应,在相同风速状况下使发电机桨距角调节命令更加准确,风轮转速更加平稳,输出功率维持在额定功率附近,取得了很好的变桨距控制效果。     

柴油机BP神经网络调速快速控制原型研究

设计了BP神经网络整定PID参数的柴油机调速控制器.把该控制器下载代码到dSPACE/Mi-croAutoBox控制器内,利用快速控制原型的原理进行了起动和负荷突变工况的功能验证,并与传统PID调速控制器快速控制原型结果进行对比,结果表明,BP神经网络具有自学习能力和逼近任意函数的能力,可进行PID参数的在线整定和优化;BP整定PID调速控制器工作正常,调速精度较传统的PID控制器有较大改善;快速控制原型的研究使控制器从功能设计到产品的转化奠定了坚实的基础.     

基于BP-PID算法的柴油机调速复合控制策略的应用研究

随着电子控制技术的不断发展,在柴油机电子调速过程当中,其被控系统逐渐趋向于复杂化和非线性化,进而导致了传统PID控制表现出一定的不适应性。我们提出了一种误差反向传播算法(BP神经网络)与传统PID结合的复合控制策略,利用BP神经网络的自适应能力和自学习能力,对PID控制器的三个参数进行在线实时整定。并以D6114柴油机为控制对象,基于dSPACE半实物仿真平台,分别对传统PID与BP-PID控制进行了仿真和配机试验。通过结果的对比性分析,验证了BP-PID复合控制策略在非线性、时变性复杂工况下,能够有效地降低负载变化对转速的影响,其抗干扰性、稳态性能更好,可以用于实际柴油机转速控制系统研究开发。     

基于BP神经网络的解耦方法在直流锅炉控制系统中的应用

分析了直流锅炉运行时各变量之间的耦合关系;针对直流锅炉参数多变、强耦合的特点,提出了一种改进的误差反向传播算法(BP)神经网络分散解耦方法,对直流锅炉汽温-压力控制系统进行解耦,然后采用基于BP神经网络的PID控制方法对解耦后的2个近似独立的单输入单输出系统进行控制.仿真实验结果表明:BP神经网络分散解耦控制算法具有很强的自学习功能和自适应解耦能力,能取得良好的控制效果.     

一种改进的工业微波炉加热控制PID技术

讨论了一种基于共轭梯度算法的改进的BP神经网络的PID控制技术,利用神经网络的自学习能力,实现对工业微波加热炉中温度的智能控制,用于解决微波加热系统的时变性,不确定性和非线性方面的问题。仿真结果表明这种建立在神经网络模型上的PID控制技术能够满足工业微波加热中的温度控制要求。     

基于PID型模糊神经网络的火电站单元机组协调控制

针对火电站机炉协调控制对象的非线性，时变和纯迟延的特性，采用了一种PID型模糊控制器，为了使此控制器具有自学习功能，提出了一种包含一个自回归神经元的5层模糊神经网络，并根据梯度下降算法，给出了它各层权值的修正算法，通过对参考文献[2]的模型进行仿真研究，证明使用这种初值易选，学习能力较强的模糊神经网络控制器可以克服协调控制对象的时变性和随机性干扰，大大改善了控制品质。     

模糊神经网络控制器用于电站主汽压控制的研究

锅炉的燃烧过程是一个多参数、非线性、时变以及变量强耦合的过程，很难建立被控对象的准确数学模型。根据主汽压被控对象的动态特性，设计了一个模糊神经网络自适应控制系统，引用模糊高斯基函数神经网络结构，并采用基于变尺度优化学习算法的改进型学习算法，其学习信号由神经网络辨识器(NNI)提供。利用神经网络的非线性映射能力，能很好的解决被制对象的动态特性具有非线性、时变性、参数可变等问题。仿真对比试验表明，主汽压控制系统引入模糊神经网络控制器(FNNC)后，系统的响应速度变快，调节精度提高。该控制器的适应性、鲁棒性也明显优于常规PID控制器。     

大坝渗流监测的蚁群神经网络模型

运用蚁群算法和神经网络构造了大坝渗流监测的蚁群人工神经网络模型,采用蚁群算法学习了神经网络的权值.实例表明,用蚁群算法训练神经网络可兼有广泛映射能力和快速全局收敛性能,与常规统计模型相比,提高了模型拟合精度和预测能力.     

基于神经网络Fuzzy-PID控制器的温控系统

设计了一种基于模糊推理进行参数自整定的PID控制器,构造了一个3层BP神经网络来学习模糊控制规则完成模糊控制的模糊推理.将该控制器应用于电阻炉的温度控制,并与普通模糊自整定PID控制器进行比较,表明该方法提高了对非线性、时滞系统的控制效果.     

基于RBF神经网络自适应PID的预焙阳极焙烧炉温度控制

针对工况变化频繁的焙烧炉焙烧过程,提出了一种基于径向基函数(RBF)神经网络自适应PID的控制策略,该方法是通过神经网络的自学习能力在线调整PID控制器的参数,因而,其兼顾神经网络和传统PID控制的特点,能根据被控对象当前特征迅速地做出相应决策、克服实际控制过程稳态性和准确性之间的矛盾。将其应用于预焙阳极焙烧炉温度过程控制中,实验结果表明:它具有很强的自适应能力和鲁棒性,达到了满意的控制效果。     

基于BP神经网络和GA-PID的超超临界锅炉系统解耦控制研究

直流锅炉运行中,给水调节和燃料调节十分重要,但其各变量之间存在强耦合关系。本文针对1 000 MW超超临界机组直流锅炉中燃料和给水协调控制对象参数多变、强耦合的特点,提出了一种改进权值调整的BP神经网络分散解耦智能方法,实现系统解耦,然后采用遗传算法PID(GA-PID)控制方法对解耦后近似独立的两组对象进行控制。仿真结果表明:BP神经网络分散解耦算法具有很强的非线性映射能力和自适应解耦能力,GA-PID具有良好的控制效果,所设计的系统具有较强的鲁棒性,解耦控制方案能够达到理想的效果。     

基于BP神经网络的温度控制系统

文中介绍了基于BP(Back Pmpagation)的神经网络气化炉温度控制系统。对BP神经网络控制算法作了详细的介绍，运用模糊逻辑控制概念赋予隐层含义，并决定其节点数，同时用高斯核函数作为节点激励函数，并做了仿真研究，叙述了系统的硬件与软件构成，试验表明所设计的系统操作方便、安全可靠，所选择的控制算法适应性强，控制效果良好。     

模糊PID神经网络算法在污水处理中的应用

溶解氧控制是污水处理厂控制的关键,针对当前溶解氧控制效率低下的问题,提出了一种具有自学习和自适应功能的模糊PID神经网络算法。首先建立PID模糊控制规则表;然后采用神经网络对模糊控制规则表进行不断的训练,得到最佳的模糊控制规则表;最后利用Matlab仿真和工程模拟调试进行验证。结果表明,在大滞后非线性的曝气控制系统中,模糊PID神经网络算法能在最短的时间内使溶解氧达到所期望的值,且整个控制过程具有良好的动态性能和稳态性能。     

Application of neural network for the modeling and control of evaporative condenser cooling load

Artificial neural network (ANN), in comparison with PID controllers which have broad applications in the highly complex HVAC systems, has recently received more attention. The present paper includes thermodynamic modeling of an evaporative condenser under steady state and transient state conditions for establishing control of thermal capacity, using Artificial neural network. To train the system under dynamic condition, predictive neural network, capable of understanding dynamic behavior and predicting the preset output is used. The principle operation of such neural networks is based on the reduction of gradients of errors existing between the predicted output and the actual output of the system. To control the system thermal capacity, neural controller based on training received from the reduction of gradients between the output controller and the ideal output, is used. Results obtained during present investigation indicate that artificial neural network controller is suitable substitute for PID controllers for thermal systems.     

应用神经网络模糊控制器的发动机怠速控制

应用模糊控制理论设计了一个用于发动机怠速控制的模糊控制器,并用ＢＰ人工神经网络实现这种模糊控制器输入输出的映射关系,在神经网络训练中采用了先进、有效的变尺度学习算法。最后给出了控制仿真结果。     

基于改进型GA优化FNNC的SG水位控制系统仿真研究

蒸汽发生器水位直接影响到整个核电站的安全及稳定运行,但蒸汽发生器本身由于所具有的高度复杂性、非线性性、时变性等特性,导致传统的串级PID控制等方法难以取得好的控制效果.本研究在串级控制的基础上,采用模糊神经网络来对蒸汽发生器水位进行控制,该控制算法能够充分发挥模糊控制及神经网络的优点.另外,为了减小模糊神经网络参数初值的选择对控制器的性能影响,将一种改进型遗传算法用于模糊神经网络控制器的参数优化.仿真结果表明,设计的控制方法无论是抗干扰能力还是在鲁棒性方面与传统的串级PID控制及常规的模糊神经网络控制相比较都有了很大的提高.     

Power decoupling control of a solid oxide fuel cell and micro gas turbine hybrid power system

Solid Oxide Fuel Cell (SOFC) integrated into Micro Gas Turbine (MGT) is a multivariable nonlinear and strong coupling system. To enable the SOFC and MGT hybrid power system to follow the load profile accurately, this paper proposes a self-tuning PID decoupling controller based on a modified output-input feedback (OIF) Elman neural network model to track the MGT output power and SOFC output power. During the modeling, in order to avoid getting into a local minimum, an improved particle swarm optimization (PSO) algorithm is employed to optimize the weights of the OIF Elman neural network. Using the modified OIF Elman neural network identifier, the SOFC/MGT hybrid system is identified on-line, and the parameters of the PID controller are tuned automatically. Furthermore, the corresponding decoupling control law is achieved by the conventional PID control algorithm. The validity and accuracy of the decoupling controller are tested by simulations in MATLAB environment. The simulation results verify that the proposed control strategy can achieve favorable control performance with regard to various load disturbances.